MétaCan
Menu
Retour à la cohorte
Enregistrement W4412493241 · doi:10.1021/acsnano.5c05850

Electroforming Kinetics in HfO<sub><i>x</i></sub>/Ti RRAM: Mechanisms behind Compositional and Thermal Engineering

2025· article· en· W4412493241 sur OpenAlexfundno aff
Manasa Kaniselvan, Kevin Portner, Donato Francesco Falcone, Valeria Bragaglia, Jente Clarysse, Laura Bégon‐Lours, Marko Mladenović, Bert Jan Offrein, Mathieu Luisier

Notice bibliographique

RevueACS Nano · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensnon disponible
Organismes subventionnairesHORIZON EUROPE Digital, Industry and SpaceStaatssekretariat für Bildung, Forschung und InnovationNatural Sciences and Engineering Research Council of CanadaSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésElectroformingResistive random-access memoryMaterials scienceStack (abstract data type)Electrical conductorVoltageNanotechnologyKinetic Monte CarloScalingOptoelectronicsThermalEngineering physicsMonte Carlo methodChemical physicsComputer scienceLayer (electronics)Composite materialElectrical engineeringThermodynamicsChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

A critical issue affecting filamentary resistive random access memory (RRAM) cells is the requirement of high voltages during electroforming. Reducing the magnitude of these voltages is of significant interest, as it ensures compatibility with complementary metal-oxide-semiconductor (CMOS) technologies. Previous studies have identified that changing the initial stoichiometry of the switching layer and/or implementing thermal engineering approaches has an influence on the electroforming voltage magnitude, but the exact mechanisms remain unclear. Here, we develop an understanding of how these mechanisms work within a standard a-HfO x /Ti RRAM stack through combining atomistic driven kinetic Monte Carlo (d-KMC) simulations with experimental data. By performing device-scale simulations at atomistic resolution, we can precisely model the movements of point defects under applied biases in structurally inhomogeneous materials, which allows us to not only capture finite-size effects but also understand how conductive filaments grow under different electroforming conditions. Doing atomistic simulations at the device level also enables us to link simulations of the mechanisms behind conductive filament formation with trends in experimental data for the same material stack. We identify a transition from primarily vertical to lateral ion movement dominating the filamentary growth process in substoichiometric oxides and differentiate the influence of global and local heating on the morphology of the formed filaments. These different filamentary structures have implications for the dynamic range exhibited by formed devices in subsequent SET/RESET operations. Overall, our results unify the complex ion dynamics in technologically relevant HfO x /Ti-based stacks and provide guidelines that can be leveraged when fabricating devices.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,004
Tête enseignante GPT0,189
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetAdvanced Memory and Neural ComputingTravaux en français237 207